為什么大模型生成的 JSON 需要修復(fù)

在使用大語言模型（LLM，例如 GPT 系列）時，我們經(jīng)常要求模型返回結(jié)構(gòu)化的 JSON 數(shù)據(jù)，以便程序進一步解析和處理。然而，現(xiàn)實中模型輸出的 JSON 往往“不夠干凈”——可能會在前后多出說明文字、注釋、甚至中途缺少引號或逗號，從而導(dǎo)致 json.loads() 報錯。

一個典型的錯誤場景如下。

大語言模型在生成 JSON 數(shù)據(jù)時，可能會出現(xiàn)多種格式問題：

括號不匹配：缺少閉合的括號或方括號

# 模型可能返回
broken_json1 = '{"活動名稱": "旋轉(zhuǎn)木馬", "游玩體驗": "孩子們玩得非常開心!"'

缺失引號：鍵或字符串值缺少引號

broken_json2 = '{活動名稱: "旋轉(zhuǎn)木馬", "游玩體驗": "孩子們玩得非常開心!"}'

缺少逗號：鍵值對之間缺少分隔符

broken_json3 = '{"活動名稱": "旋轉(zhuǎn)木馬" "游玩體驗": "孩子們玩得非常開心!"}'

特殊字符未轉(zhuǎn)義：包含未轉(zhuǎn)義的特殊字符

broken_json4 = '{"描述": "這是一個"包含引號"的字符串"}'

非 JSON 內(nèi)容混雜：輸出中包含解釋性文本或其他非 JSON 內(nèi)容

broken_json5 = """
這里是返回的結(jié)果：
{
  "name": "Alice",
  "age": 25,
  "city": "New York", // 用戶所在城市
}
"""

傳統(tǒng)處理方式的局限性

當面對這些有問題的 JSON 時，開發(fā)者通常會考慮：

• 提示工程：優(yōu)化提示詞，明確要求模型輸出標準 JSON
• 多次調(diào)用：當?shù)谝淮畏祷責o效 JSON 時，再次請求模型修正
• 正則表達式：編寫復(fù)雜的正則表達式來提取 JSON 部分

然而，這些方法都存在明顯缺點：提示工程效果不穩(wěn)定，多次調(diào)用增加時間和 token 消耗，正則表達式編寫維護困難且容易出錯。

有沒有更優(yōu)雅、更自動化的方式？答案就是 —— json_repair。

一、什么是 json_repair

json_repair 是一個 Python 庫，用于自動修復(fù)無效的 JSON 字符串。它會分析字符串中的結(jié)構(gòu)、引號、括號、逗號等錯誤，嘗試將其糾正為可被 json.loads() 正常解析的合法 JSON。

相比于正則修正或多次調(diào)用大模型，json_repair 的優(yōu)勢在于：

無需二次調(diào)用模型，執(zhí)行速度快

可自動修復(fù)常見錯誤，例如：

• 缺少引號
• 結(jié)尾多余逗號
• 單引號替換為雙引號
• 非法字符混入
• JSON 前后附帶額外內(nèi)容

二、安裝方法

使用 pip 安裝：

pip install json-repair

三、基本用法示例

來看一個實際例子。假設(shè)大模型返回了以下內(nèi)容：

from json_repair import repair_json
import json

response = """
模型輸出：
{
  name: 'Alice',
  "age": 25,
  "city": "New York",
}
"""

# 使用 json_repair 修復(fù)
fixed = repair_json(response)

print(fixed)
# 輸出:
# {"name": "Alice", "age": 25, "city": "New York"}

# 現(xiàn)在可以正常解析
data = json.loads(fixed)
print(data["name"])  # Alice

json_repair 自動完成了幾個修復(fù)動作：

• 為 name 補上了引號
• 將 'Alice' 轉(zhuǎn)換為 "Alice"
• 去掉了最后一個多余的逗號
• 忽略了前面的“模型輸出：”這段無關(guān)內(nèi)容

四、更復(fù)雜的場景

有時，大模型可能在 JSON 前后附帶了解釋說明，例如：

response = """
以下是結(jié)果：
{
  "status": "ok",
  "data": {
    "id": 123,
    "items": ["apple", "banana"]
  }
}
謝謝！
"""

這種情況下，json.loads() 同樣無法直接解析。

而使用 json_repair：

fixed = repair_json(response)
print(json.loads(fixed))

輸出結(jié)果：

{'status': 'ok', 'data': {'id': 123, 'items': ['apple', 'banana']}}

json_repair 能夠智能識別出中間那段是完整的 JSON 塊，并自動去除多余文字。

五、異常修復(fù)與邊界情況

json_repair 并非萬能。如果輸入的內(nèi)容嚴重破損，例如括號完全不匹配、結(jié)構(gòu)不完整，它可能無法百分百恢復(fù)。
但它會盡力返回“最接近合法 JSON”的結(jié)果，而不會拋出異常。

示例：

bad_json = "{ name: Alice, age: 30"

fixed = repair_json(bad_json)
print(fixed)
# 輸出：{"name": "Alice", "age": 30}

六、實戰(zhàn)建議

優(yōu)先嘗試 json.loads()，若失敗再使用 json_repair。

這樣可以避免對原本就合法的 JSON 進行不必要的處理。

try:
    data = json.loads(response)
except json.JSONDecodeError:
    data = json.loads(repair_json(response))

結(jié)合日志輸出，記錄修復(fù)前后的差異，方便排查模型輸出問題。

不建議用于安全敏感場景（例如：直接信任外部輸入的 JSON），因為修復(fù)過程中會進行字符串推斷。

七、總結(jié)

當我們依賴大模型生成 JSON 數(shù)據(jù)時，不可避免會遇到各種格式錯誤的問題。json_repair 讓我們不再需要反復(fù)提示模型“請返回合法 JSON”，也不必浪費 token 進行多輪修正。

一句 repair_json(response)，即可輕松將混亂的字符串變?yōu)榭捎玫慕Y(jié)構(gòu)化數(shù)據(jù)。

它的出現(xiàn)，讓 LLM 與后端程序之間的數(shù)據(jù)對接更穩(wěn)定、更高效。

到此這篇關(guān)于Python使用json_repair輕松修復(fù)大模型返回的非法JSON的文章就介紹到這了,更多相關(guān)Python修復(fù)返回的非法JSON內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！